Pengenalan logical agent
Wumpus World
Semantik mendefinisikan "arti" dari kalimat;
Pada bab ini saya akan membahas mengenai pengenalan logical
agents, pembahasan pertama adalah mengenai knowledge-based agents Komponen
utama dari knowledge based agent adalah knowledge basenya. Knowledge base (KB)
adalah kumpulan representasi fakta tentang lingkungan atau dunia yang
berhubungan atau menjadi daerah bekerjanya agen. Setiap representasi dalam KB
disebut sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni
knowledge representation language yaitu:
1. Representasi
Pengetahuan yang bersifat general.
2. Kemampuan
beradaptasi sesuai temuan fakta.
3. Kemampuan
menyimpulkan sesuatu dari pengetahuan yang sudah ada.
Syarat Representasi knowledge-based:
1. Representational
Adequacy
kemampuan merepresentasikan semua pengetahuan yang
dibutuhkan dalam domainnya
2. Inferential
Adequacy
kemampuan memanipulasi struktur pengetahuan untuk membentuk
struktur baru dalam menampung pengetahuan baru hasil inferensi
3. Inferential Efficiency
kemampuan untuk manambahkan informasi untuk mempercepat
pencarian dalam inferensi
4. Acquisitional
Efficiency
kemampuan untuk menambah informasi baru secara mudah.
Pengetahuan yang dimiliki agent tidak berguna jika ia tidak
melakukan apapun Karenanya kita perlu menambahkan aturan agar dia dapat
bergerak (complete the knowledge base).Beberapa tahapan yang dilakukan dalam
menyusun knowledge based agent:
Ø
Untuk dapat menyusun sebuah knowledge based
agent maka kita harus terlebih dulu bisa menyusun knowledge basenya itu
sendiri.
Ø
Untuk menyusun knowledge base kita perlu
menentukan bagaimana cara kita merepresentasikan pengetahuan kita (knowledge
representation)
Ø
Knowledge representation kita harus merupakan
bentuk yang mudah disimpan dan digunakan pada komputer.
Aturan main Wumpus :
· Performance
measure: emas +1000, mati -1000, gerak -1, panah -10
· Environment:
Matriks 4x4 kamar. Initial state [1,1]. Ada gold, wumpus dan pit yang lokasinya
dipilih secara acak.
· Percept:
Breeze: kamar di samping lubang jebakan ada hembusan angin
Glitter: kamar di mana ada emas ada kilauan/sinar
Smell: kamar di samping Wumpus berbau busuk
· Action:
maju, belok kiri 90◦ , kanan 90◦ , tembak panah (hanya 1!), ambil benda
Sifat Wumpus :
· (Fully)
observable? Tidak, hanya bisa persepsi local
·
Deterministic? Ya, hasil tindakan jelas & pasti
· Episodic?
Tidak, tergantung action sequence
· Static? Ya,
gold, wumpus, pit tidak bergerak
· Discrete? Ya
· Single
agent? Tidak
Logic in
general-Models and entailment
Logical in general
Logic adalah bahasa formal untuk merepresentasikan informasi
sedemikian hingga kesimpulan dapat dibuat
dalam pembuatan kesimpulan pasti harus menggunakan bahasa yg benar dalam
pembuatan bahasa yang tepat Syntax mendefinisikan kalimat-kalimat pada
bahasa kemudian Semantics mendefinisikan
arti kalimat; misal, mendefinisikan kebenaran sebuah kalimat
Sintaks mendefinisikan bagaimana SymbOS dapat disatukan
untuk membentuk kalimat dalam bahasa
yaitu, menentukan kebenaran kalimat di dunia (diberikan
interpretasi)
Misalnya, bahasa aritmatika
x + 2 ≥ y adalah kalimat; x2 + y> {} tidak kalimat
x + 2 ≥ y benar jika dan hanya jika jumlah x + 2 adalah
tidak kurang dari jumlah y
x + 2 ≥ y benar di dunia di mana x = 7, y = 1
x + 2 ≥ y adalah palsu di dunia di mana x = 0, y = 6
model
Logicians biasanya berpikir dalam hal model, yang secara
formal terstruktur dunia sehubungan dengan yang sebenarnya dapat dievaluasi
Kami katakan m adalah model dari α kalimat jika α benar
dalam m
M (α) adalah himpunan semua model α
Kemudian KB ╞
α IFF M (KB) M
(α)
Misalnya. KB = Phillies menang dan
Yankees memenangkan α = Phillies memenangkan
Contoh gambar
Entailment berarti sesuatu fakta bisa disimpulkan dari
(kumpulan) fakta lain Entailment dapat juga berarti sebuah hubungan antar
kalimat ( syntax) yang didasarkan pada semantics kemudian Model adalah sebuah
“dunia” di mana kebenaran suatu sentence bisa diuji.
Contoh:
Entailment :
KB mengandung
sentence “Anto ganteng” dan “Ani cantik”.
KB |= α1: “Anto ganteng dan Ani cantik”
KB 2 α2: “Anto
pintar”
x + y = 4 |= 4 = x + y
Contoh :
Model :
M(α) adalah himpunan semua model dari α
KB= Anto ganteng dan Ani cantik.
α = Anto ganteng
sumber
https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/
http://staf.cs.ui.ac.id/WebKuliah/IKI30320/materi/2006-
MATA KULIAH ; PENGANTAR TEKNOLOGI SISTEM CERDAS
MATA KULIAH ; PENGANTAR TEKNOLOGI SISTEM CERDAS
No comments:
Post a Comment